O que é o algoritmo de regressão por floresta aleatória? - PolarDB: Central de Documentação do Alibaba Cloud

A regressão por floresta aleatória é um algoritmo do PolarDB AI (Polar4AI) para prever valores numéricos contínuos. Ele constrói várias árvores de decisão independentes em paralelo, amostrando dados e recursos aleatoriamente, e calcula a média das saídas para gerar uma previsão final.

Quando usar este algoritmo

Use a regressão por floresta aleatória quando o alvo da previsão for um número contínuo — como preço, quantidade ou pontuação — e o conjunto de dados tiver dezenas de dimensões com alta exigência de precisão. Para alvos restritos a um conjunto fixo de categorias, prefira um algoritmo de classificação.

Exemplo: Prever a popularidade horária de um tópico em redes sociais. Os recursos de entrada incluem o número de grupos de discussão, a contagem de participantes e o nível de engajamento. A saída é a média de grupos de discussão ativos por hora — um valor de ponto flutuante positivo.

Como funciona

Selecione amostras e recursos dos dados de treinamento de forma aleatória.
Construa várias árvores de decisão independentes em paralelo; cada uma deve gerar sua própria previsão.
Calcule a média das previsões de todas as árvores para obter a saída final da regressão.

A seleção aleatória de amostras e recursos reduz o overfitting e melhora a generalização em comparação com uma única árvore de decisão.

Requisitos de entrada

Coluna	Tipo obrigatório	Observações
`x_cols` (colunas de recursos)	Ponto flutuante ou inteiro	Todas as colunas de recursos devem ser numéricas
`y_cols` (coluna alvo)	Ponto flutuante ou inteiro	O modelo prevê um valor numérico contínuo

Parâmetros

Transmita os parâmetros pela opção model_parameter em uma instrução CREATE MODEL.

Parâmetro	Tipo	Padrão	Descrição
`n_estimators`	Inteiro positivo	`100`	Quantidade de árvores de decisão. Valores maiores melhoram o ajuste.
`objective`	String	`mse`	Função de perda usada durante o treinamento. Valores válidos: `mse` (erro quadrático médio) e `mae` (erro absoluto médio).
`max_features`	String, inteiro ou float	`"sqrt"`	Número máximo de recursos considerados em cada divisão. Consulte a tabela abaixo para ver os valores aceitos.
`max_depth`	Inteiro positivo ou `None`	`None`	Profundidade máxima de cada árvore. Se definido como `None`, a profundidade da árvore não será especificada.
`n_jobs`	Inteiro positivo	`4`	Quantidade de threads paralelas. Valores maiores aceleram a criação do modelo.
`random_state`	Inteiro positivo	`1`	Semente aleatória para reprodutibilidade.

**Valores aceitos para max_features**

Valor	Máximo de recursos utilizados
`"sqrt"` (padrão)	`sqrt(n_features)`
`"log2"`	`log2(n_features)`
Inteiro	O inteiro especificado, entre `0` e `n_features` (inclusivo)
Float	`max_features × n_features`

Exemplos

Os exemplos a seguir percorrem todo o fluxo de trabalho: crie um modelo, avaliá-lo e execute previsões. Todas as instruções usam o prefixo /*polar4ai*/ para encaminhar o SQL ao mecanismo Polar4AI.

Crie um modelo

/*polar4ai*/CREATE MODEL randomforestreg1 WITH
( model_class = 'randomforestreg', x_cols = 'dx1,dx2', y_cols='y',
 model_parameter=(objective='mse')) AS (SELECT * FROM db4ai.testdata1);

Avaliar o modelo

Execute EVALUATE para pontuar o modelo com base em dados rotulados. A opção metrics='r2_score' retorna o R² (coeficiente de determinação), que mede a capacidade do modelo de explicar a variância na variável alvo.

/*polar4ai*/SELECT dx1,dx2 FROM EVALUATE(MODEL randomforestreg1,
SELECT * FROM db4ai.testdata1 LIMIT 10) WITH
(x_cols = 'dx1,dx2',y_cols='y',metrics='r2_score');

Execute previsões

/*polar4ai*/SELECT dx1,dx2 FROM
PREDICT(MODEL randomforestreg1, SELECT * FROM db4ai.testdata1 LIMIT 10)
WITH (x_cols = 'dx1,dx2');